عامل‌های هوش مصنوعی OpenAI بیش از ۱۶ هزار بار وب‌سایت سازمان ملل را اسکن کردند

یک بررسی امنیتی از رفتار غیرمعمول عامل‌های هوش مصنوعی در مواجهه با محدودیت‌های دسترسی خبر می‌دهد. طبق یافته‌های پژوهشگر امنیت سایبری Rowan Howard-Jones، عامل‌هایی که احتمالاً با OpenAI مرتبط بوده‌اند، بین ۱۳ آوریل تا ۱۹ ژوئن ۲۰۲۶ بیش از ۱۶ هزار بار وب‌سایت آماری کنفرانس تجارت و توسعه سازمان ملل متحد، UNCTADstat، را اسکن کرده‌اند.

این فعالیت با هدف دستیابی به اطلاعات عمومی انجام شده بود و تاکنون شواهدی از دسترسی به داده‌های محرمانه، تغییر اطلاعات یا ایجاد اختلال در سرویس UNCTAD منتشر نشده است. بااین‌حال، روش‌هایی که عامل‌ها پس از مواجهه با محدودیت‌ها به کار گرفتند، توجه کارشناسان امنیت سایبری را به خود جلب کرده است.

عامل‌های هوش مصنوعی به دنبال چه داده‌ای بودند؟

بررسی‌های انجام‌شده نشان می‌دهد عامل‌ها احتمالاً در تلاش بودند اطلاعات مربوط به شاخص ظرفیت‌های تولیدی (Productive Capacities Index) را از سامانه UNCTADstat دریافت کنند.

داده‌های موردنظر عمومی بودند و از طریق API این سامانه قابل دسترسی هستند؛ اما عامل‌ها ظاهراً دسترسی مستقیم و مناسبی به API نداشتند. محدودیت ابزارهای HTTP نیز مسیر معمول دریافت اطلاعات را برای آن‌ها دشوار کرده بود.

OpenAI

در چنین شرایطی، انتظار می‌رود یک عامل هوش مصنوعی پس از مواجهه با محدودیت دسترسی، فرایند را متوقف کند یا از کاربر اجازه و مسیر جایگزین بخواهد. اما در این مورد، روند دیگری شکل گرفت.

بیش از ۱۶ هزار درخواست برای عبور از محدودیت‌ها

به گفته Howard-Jones، عامل‌ها در فاصله حدود دو ماه بیش از ۱۶ هزار اسکن روی زیرساخت UNCTADstat انجام دادند. بررسی این فعالیت‌ها نشان داده است که عامل‌ها برای دستیابی به داده موردنظر، روش‌های مختلفی را امتحان کرده‌اند.

یکی از ابزارهای مورد استفاده urlquery.net بود؛ سرویسی که صفحات وب را در یک مرورگر ایزوله باز می‌کند. طبق بررسی‌های انجام‌شده، عامل‌ها صفحات HTML کدگذاری‌شده را از طریق سرویس‌های واسطه ایجاد کرده و سپس آن‌ها را در این محیط اجرا می‌کردند تا درخواست‌هایی به UNCTADstat ارسال شود.

در برخی موارد نیز روش‌های رمزگذاری و تغییر شکل آدرس‌ها برای عبور از محدودیت‌های موجود مورد استفاده قرار گرفته است. گزارش SiliconANGLE به نمونه‌ای اشاره می‌کند که در آن بخشی از یک Endpoint با Double Encoding تغییر داده شده بود تا محدودیت مربوط به درخواست‌های GET دور زده شود.

استفاده از Google XSS Game چه معنایی دارد؟

یکی از عجیب‌ترین بخش‌های این ماجرا، استفاده از زیرساخت Google XSS Game در برخی درخواست‌ها است. این سرویس در اصل یک محیط آموزشی برای آشنایی با آسیب‌پذیری‌های Cross-Site Scripting است.

طبق بررسی‌های منتشرشده، عامل‌ها از صفحات ایجادشده در این محیط به‌عنوان بخشی از مسیر ارسال درخواست استفاده کرده‌اند. در برخی نمونه‌ها نیز عبارت‌هایی مانند CHATGPTTEST1 و OAI_META_1312 در صفحات ایجادشده دیده شده است.

این رفتار لزوماً به معنای «هک شدن» وب‌سایت سازمان ملل نیست. حتی Howard-Jones نیز فعالیت مشاهده‌شده را به‌صراحت در دسته نفوذ سایبری قرار نداده و آن را رفتاری بسیار تهاجمی برای جمع‌آوری داده توصیف کرده است.

چرا این اتفاق برای امنیت هوش مصنوعی مهم است؟

اهمیت این رخداد بیشتر از آنکه به داده‌های UNCTAD مربوط باشد، به نحوه تصمیم‌گیری عامل‌های خودمختار هنگام مواجهه با مانع بازمی‌گردد.

عامل هوش مصنوعی برای رسیدن به یک هدف مشخص می‌تواند چند مرحله مختلف را به‌صورت مستقل اجرا کند. اگر مسیر اصلی بسته شود، یک سیستم بیش‌ازحد خودمختار ممکن است به‌جای گزارش شکست، روش دیگری را برای رسیدن به همان هدف امتحان کند.

سازمان ملل

در این مورد، داده‌ها عمومی بودند و شواهدی از سرقت اطلاعات خصوصی منتشر نشده است؛ اما تلاش مکرر برای عبور از محدودیت‌های فنی نشان می‌دهد تعریف دقیق خطوط قرمز برای عامل‌هایی که امکان دسترسی مستقیم به اینترنت دارند، اهمیت زیادی دارد.

OpenAI و سازمان ملل چه واکنشی نشان داده‌اند؟

OpenAI اعلام کرده است که یافته‌های مربوط به این فعالیت‌ها را بررسی می‌کند و برای ارائه توضیحات با سازمان ملل تماس گرفته است. این شرکت همچنین گفته بخش قابل‌توجهی از فعالیت‌هایی که تاکنون بررسی شده‌اند، مربوط به کارهای تحقیقاتی معمول مانند مطالعه محتوای عمومی وب بوده است.

در مقابل، در زمان انتشار گزارش‌های مربوط به این رخداد، سازمان ملل هنوز واکنش رسمی مستقیمی به درخواست‌ها برای اظهارنظر ارائه نکرده بود.

یک هشدار برای عصر عامل‌های هوش مصنوعی

ماجرای UNCTADstat نشان می‌دهد تفاوت مهمی میان یک چت‌بات معمولی و یک عامل هوش مصنوعی خودمختار وجود دارد. چت‌بات معمولاً پاسخ تولید می‌کند، اما عامل می‌تواند ابزارها را به‌کار بگیرد، چندین درخواست ارسال کند و برای رسیدن به هدف خود مجموعه‌ای از اقدامات را پشت سر هم انجام دهد.

به همین دلیل، مسئله فقط توانایی مدل در تولید پاسخ درست نیست؛ بلکه باید مشخص شود وقتی مسیر رسیدن به هدف بسته می‌شود، عامل چه کاری انجام خواهد داد.

در پرونده UNCTADstat، داده‌های موردنظر عمومی بودند و گزارشی از نفوذ موفق یا دسترسی به اطلاعات خصوصی منتشر نشده است. بااین‌حال، بیش از ۱۶ هزار تلاش برای دسترسی به یک سامانه عمومی نشان می‌دهد که کنترل تعداد درخواست‌ها، محدودیت ابزارها و الزام عامل به توقف در شرایط خاص، می‌تواند به‌اندازه توانایی خود مدل اهمیت داشته باشد.

نوشته عامل‌های هوش مصنوعی OpenAI بیش از ۱۶ هزار بار وب‌سایت سازمان ملل را اسکن کردند اولین بار در آی‌ تی‌ رسان منتشر شد.

پایان توهم آماری چت‌بات‌ها؛ سازمان ملل و گوگل دسترسی مستقیم هوش مصنوعی به داده‌های جهانی را ممکن کردند

سازمان ملل متحد با همکاری شرکت گوگل، پروژه تحول‌برانگیزی را با عنوان UN System Data Commons کلید زد. این پلتفرم داده‌محور که بر پایه زیرساخت متن‌باز گوگل توسعه یافته، با هدف پالایش و استانداردسازی بانک آماری عظیم سازمان ملل طراحی شده است تا دستیاران هوش مصنوعی و مدل‌های زبانی بزرگ (LLMs) بتوانند به‌طور مستقیم و دقیق به داده‌های معتبر جهانی دسترسی داشته باشند.

بحران خطای آماری در هوش مصنوعی؛ گزارش تکان‌دهنده یونیسف

حرکت به سوی استانداردسازی داده‌ها پس از آشکار شدن ضعف فاحش مدل‌های هوش مصنوعی در تحلیل شاخص‌های آماری شتاب گرفت. بر اساس پژوهش گسترده صندوق کودکان ملل متحد (یونیسف) روی بیش از ۱۳۳ هزار پاسخ ارائه‌شده توسط ۶ مدل مطرح جهان—شامل GPT-4o و نسخه مینی از OpenAI، کلود نسخه ۳.۵ سونت و هایکو از شرکت آنتروپیک، و جمینای ۲.۰ و ۲.۵ فلش از گوگل—نرخ دقت پاسخ‌ها در زمینه شاخص‌های توسعه جهانی تنها ۲۱.۲ درصد بوده است.

گوگل

این گزارش نشان می‌دهد که در نزدیک به ۶۰ درصد مواقع، مدل‌ها به دلیل نداشتن داده شفاف پاسخی ارائه نکرده‌اند؛ علاوه بر این، در صورت تکرار همان پرسش‌ها پس از ۴۸ ساعت، مدل‌ها تنها در نیمی از موارد پاسخی منطبق بر رقم قبلی تولید کرده‌اند. این ضعف ساختاری در شرایطی نمایان شده که ترافیک ورودی وب‌سایت یونیسف از طریق ارجاعات چت‌بات‌هایی مثل ChatGPT بین ۱۱ دی تا ۲۴ شهریور با رشد چشمگیر ۶۷ درصدی همراه بوده است.

پروتکل MCP؛ اتصال مستقیم الگوریتم‌ها به منابع معتبر

سامانه Data Commons جایگزین پرتال قدیمی UNData می‌شود و به‌جای ساختار پایگاه‌داده سنتی، امکان جستجوی آماری با «زبان طبیعی» را در اختیار پژوهشگران می‌گذارد. مهم‌ترین ویژگی فنی این سامانه، پشتیبانی از پروتکل استاندارد زمینه مدل (Model Context Protocol یا MCP) است؛ استانداردی که به برنامه‌های هوش مصنوعی اجازه می‌دهد بدون واسطه، شاخص‌های آماری را از پایگاه داده اصلی سازمان ملل استخراج و منبع دقیق هر داده را ردیابی کنند.

در جریان معرفی این قابلیت، گوگل با یک اجرای آزمایشی نشان داد که هوش مصنوعی مجهز به MCP می‌تواند داده‌های پراکنده پیرامون «اثرات برنامه‌های مبارزه با ایدز در آفریقا» را گردآوری کرده و بدون نیاز به دخالت دستی، نمودارها، اینفوگرافیک‌ها و تحلیل‌های متنی یکپارچه تولید کند.

UN System Data Commons

سرمایه‌گذاری و افق توسعه تا سال ۱۴۰۶

زیرشاخه خیریه گوگل (Google.org) با تخصیص بودجه‌ای ۲ میلیون دلاری در کنار ارائه مشاوره فنی و زیرساختی، در توسعه این بستر نقش‌آفرینی کرده است. با این حال، سرورها و مالکیت داده‌ها کاملاً در اختیار سازمان ملل خواهد بود و در فاز نخست، آمارهای ۲۰ نهاد وابسته به این سازمان بارگذاری شده است. طبق برنامه‌ریزی‌های انجام‌شده، تا سال ۱۴۰۶ (2027 میلادی) بیش از ۸۰ درصد از کل داده‌های آماری ارکان سازمان ملل متحد برای پردازش هوش مصنوعی آماده‌سازی خواهد شد.

کارشناسان امنیت داده تأکید دارند که با وجود پالایش منابع، به دلیل امکان درک نادرست جزئیات مفهومی توسط الگوریتم‌ها، حضور ناظر انسانی در تحلیل‌های نهایی همچنان الزامی خواهد بود.

نوشته پایان توهم آماری چت‌بات‌ها؛ سازمان ملل و گوگل دسترسی مستقیم هوش مصنوعی به داده‌های جهانی را ممکن کردند اولین بار در آی‌ تی‌ رسان منتشر شد.

پایان توهم آماری چت‌بات‌ها؛ سازمان ملل و گوگل دسترسی مستقیم هوش مصنوعی به داده‌های جهانی را ممکن کردند

سازمان ملل متحد با همکاری شرکت گوگل، پروژه تحول‌برانگیزی را با عنوان UN System Data Commons کلید زد. این پلتفرم داده‌محور که بر پایه زیرساخت متن‌باز گوگل توسعه یافته، با هدف پالایش و استانداردسازی بانک آماری عظیم سازمان ملل طراحی شده است تا دستیاران هوش مصنوعی و مدل‌های زبانی بزرگ (LLMs) بتوانند به‌طور مستقیم و دقیق به داده‌های معتبر جهانی دسترسی داشته باشند.

بحران خطای آماری در هوش مصنوعی؛ گزارش تکان‌دهنده یونیسف

حرکت به سوی استانداردسازی داده‌ها پس از آشکار شدن ضعف فاحش مدل‌های هوش مصنوعی در تحلیل شاخص‌های آماری شتاب گرفت. بر اساس پژوهش گسترده صندوق کودکان ملل متحد (یونیسف) روی بیش از ۱۳۳ هزار پاسخ ارائه‌شده توسط ۶ مدل مطرح جهان—شامل GPT-4o و نسخه مینی از OpenAI، کلود نسخه ۳.۵ سونت و هایکو از شرکت آنتروپیک، و جمینای ۲.۰ و ۲.۵ فلش از گوگل—نرخ دقت پاسخ‌ها در زمینه شاخص‌های توسعه جهانی تنها ۲۱.۲ درصد بوده است.

گوگل

این گزارش نشان می‌دهد که در نزدیک به ۶۰ درصد مواقع، مدل‌ها به دلیل نداشتن داده شفاف پاسخی ارائه نکرده‌اند؛ علاوه بر این، در صورت تکرار همان پرسش‌ها پس از ۴۸ ساعت، مدل‌ها تنها در نیمی از موارد پاسخی منطبق بر رقم قبلی تولید کرده‌اند. این ضعف ساختاری در شرایطی نمایان شده که ترافیک ورودی وب‌سایت یونیسف از طریق ارجاعات چت‌بات‌هایی مثل ChatGPT بین ۱۱ دی تا ۲۴ شهریور با رشد چشمگیر ۶۷ درصدی همراه بوده است.

پروتکل MCP؛ اتصال مستقیم الگوریتم‌ها به منابع معتبر

سامانه Data Commons جایگزین پرتال قدیمی UNData می‌شود و به‌جای ساختار پایگاه‌داده سنتی، امکان جستجوی آماری با «زبان طبیعی» را در اختیار پژوهشگران می‌گذارد. مهم‌ترین ویژگی فنی این سامانه، پشتیبانی از پروتکل استاندارد زمینه مدل (Model Context Protocol یا MCP) است؛ استانداردی که به برنامه‌های هوش مصنوعی اجازه می‌دهد بدون واسطه، شاخص‌های آماری را از پایگاه داده اصلی سازمان ملل استخراج و منبع دقیق هر داده را ردیابی کنند.

در جریان معرفی این قابلیت، گوگل با یک اجرای آزمایشی نشان داد که هوش مصنوعی مجهز به MCP می‌تواند داده‌های پراکنده پیرامون «اثرات برنامه‌های مبارزه با ایدز در آفریقا» را گردآوری کرده و بدون نیاز به دخالت دستی، نمودارها، اینفوگرافیک‌ها و تحلیل‌های متنی یکپارچه تولید کند.

UN System Data Commons

سرمایه‌گذاری و افق توسعه تا سال ۱۴۰۶

زیرشاخه خیریه گوگل (Google.org) با تخصیص بودجه‌ای ۲ میلیون دلاری در کنار ارائه مشاوره فنی و زیرساختی، در توسعه این بستر نقش‌آفرینی کرده است. با این حال، سرورها و مالکیت داده‌ها کاملاً در اختیار سازمان ملل خواهد بود و در فاز نخست، آمارهای ۲۰ نهاد وابسته به این سازمان بارگذاری شده است. طبق برنامه‌ریزی‌های انجام‌شده، تا سال ۱۴۰۶ (2027 میلادی) بیش از ۸۰ درصد از کل داده‌های آماری ارکان سازمان ملل متحد برای پردازش هوش مصنوعی آماده‌سازی خواهد شد.

کارشناسان امنیت داده تأکید دارند که با وجود پالایش منابع، به دلیل امکان درک نادرست جزئیات مفهومی توسط الگوریتم‌ها، حضور ناظر انسانی در تحلیل‌های نهایی همچنان الزامی خواهد بود.

نوشته پایان توهم آماری چت‌بات‌ها؛ سازمان ملل و گوگل دسترسی مستقیم هوش مصنوعی به داده‌های جهانی را ممکن کردند اولین بار در آی‌ تی‌ رسان منتشر شد.

تاکید سازمان ملل بر عرضه یکپارچه نسل جدید خدمات موبایلی

Amina-Mohammed1.jpg

 

صنعت جهانی تلفن همراه گام‌های بزرگی را در راستای بهره‌مندی از فناوری‌های مرتبط با خدمات اجتماعی برداشته است و با این وجود کارشناسان اعلام کردند برای آنکه نتیجه واقعی در این زمینه حاصل شود، فعالیت‌های گسترده‌تری نیاز است.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا) «آمینا محمد» معاون دبیرکل سازمان ملل متحد تاکید کرد صنعت تلفن همراه می‌بایست برای افزایش تنوع جنسی تحت پوشش خود گام‌های جدید بردارد و البته، پتانسیل‌ها و خطرات مربوط به فناوری‌های جدید را برای ارایه هرچه گسترده‌تر سرویس‌های شهری بپذیرد.

او گفت فناوری‌های جدید که آسایش هرچه بیشتر را برای عموم مردم باعث می‌شوند، می‌توانند به صورت همزمان خطرات مرتبط به گسترش شکاف دیجیتالیرا هم بیشتر کنند و بر این اساس سازمان‌ها می‌بایست اطمینان حاصل کنند که نوآوری‌های آنها به صورت یکسان در اختیار عموم مردم قرار می‌گیرد.

«آمینا محمد» افزود علاوه بر شرکت‌های بیشتری در راستای توسعه سرویس‌های موبایلی گام برمی‌دارند، هم اکنون می‌بایست بر توزیع این سرویس‌ها و نحوه دسترسی مردم به آنها هم توجه شود.

در این جلسه «کان ترزیگلو» مدیرعامل شرکت مخابراتی ترکسل، «جِف دین» مدیر مرکز توسعه هوش مصنوعی در خدمات درمانی گوگل، و «فرانچسکو روکا» رئیس سازمان کمک‌های بین‌المللی فدراسیون صلیب سرخ نیز صحبت‌هایی را مطرح کردند.